近10年四川盆地低能见度时空分布特征及订正方法研究

利用2009～2018年全省国家基本站观测资料,研究了四川盆地低能见度时空分布特征,并结合低能见度与地面气象要素的关系获取订正阈值,在此基础上采用概率匹配法对SWC能见度预报进行订正研究。结果表明:(1)低能见度区域小值区主要位于盆地东南部、眉山、乐山以及成都东部,并且从秋季开始整个低能见度区域有明显向北扩大的趋势,且低能见度日数分布范围明显增多;冬季低能见度日数分布类似秋季,但集中于盆地东北部。低能见度开始时间多在00:00～08:00时,结束时间在07:00～12:00时。(2)< 1km低能见度主要出现在风速< 2m/s,相对湿度基本处于90%以上,地面温度低于15℃及24小时变压范围在-2～10hPa。(3)采用概率密度匹配结合要素的双重订正方法可以很好地对四川部分能见度区域进行订正,订正后Ts评分显著高于订正前。      

模式距平积分订正法对广西区域ECMWF地面2m温度预报的订正效果评估

采用基于历史资料的模式距平订正法(ANO),利用2011~2015年欧洲中心高分辨率数值预报(ECMWF)的地面2m温度和广西区域自动站气温观测资料,对2016年广西区域2m温度预报进行订正试验,对比分析订正前和订正后的预报误差,结果表明:EC对广西区域2m温度的预报误差随着预报时效增加而逐渐增大,午后误差较大,夜间误差较小,预报值大多偏低。0~72h预报(较短预报时效)冬季误差较小,夏季误差较大;72~240h预报(较长预报时效)夏季误差较小,秋季和冬季误差较大。随预报时效增加,误差增大的幅度夏季较小,冬季较大。误差的离散度在较短预报时效的午后为冬季较小,夏季较大,在较长预报时效及夜间则与之相反。ANO方法对午后温度预报的订正效果优于当日其他时刻。该方法对夏季的温度预报有很好的订正效果,秋季的订正效果次之,春季的订正效果不明显,冬季的订正效果为负面作用。     

2012~2020年成都市不同等级能见度的时空分布特征

利用2012~2020年成都市气象站观测资料和环境空气质量监测数据,研究了该地区能见度时空演变规律以及不同等级能见度下气象要素和污染物浓度的关系。结果表明:（1）成都市近9 a年平均能见度呈上升趋势。四季平均能见度由高到低依次为夏季（12.25 km）、春季（10.82 km）、秋季（9.04 km）和冬季（6.33 km）。成都市能见度日变化呈单峰型分布特征,07时能见度最低,17时能见度最高。（2）能见度空间分布特征为东高西低且北高南低,中部中心城区最低。（3）成都市3 km以下低能见度出现频率为10.92%,3~5 km、5~10 km和10~20 km能见度出现频率分别为15.92%、24.95%和22.51%。（4）能见度上升与对应的PM_2.5和PM₁₀浓度、相对湿度减少以及风速增加有关。当能见度低于1 km时,多为高湿（RH>96%）低温（T<10.6℃）和小风速（<1.0 m/s）和高浓度（PM_2.5>84.8 μg/m3,PM₁₀>129.0 μg/m3）。      

基于ECMWF的两种温度客观预报订正方法及评估

依据ECMWF细网格模式2019—2020年20:00起报未来24-216h的0.05×0.05°分辨率格点日最高、最低温度和国家气象信息中心格点温度实况资料，采用“动态训练、择优选取”的基本原则，利用递减平均法（DAM）和径向基函数神经网络方法（RBFNN）对温度进行客观预报订正，并与中央台指导预报（NMC）和EC模式预报产品进行格点检验对比分析。结果表明：（1）通过DAM和RBFNN订正后的24—216h日最高、最低温度预报准确率提高3.9～7.8%，均为“正”技巧，对预报准确率偏低的月份预报时效订正效果更显著，且夏、秋季最高温度预报订正效果较好，冬季最低温度订正能力较强；（2）分区域预报检验来看，订正后的最高、最低温度预报产品除沙坡头区的最高温度预报和贺兰山的最低温度预报误差偏大外，其他区域的误差基本都小于2℃，特别是对强降温、寒潮天气的温度预报订正效果明显优于NMC和EC模式预报产品，对预报业务有一定的参考价值。     

郑州机场2004-2012年能见度的变化特征

利用郑州机场近9 a（2004-2012年）地面气象观测资料,分析了能见度的年、季节和日变化特征,并统计了低能见度出现的天数。结果表明：郑州机场年平均能见度仅为4 219 m,平均每年上升约69 m,秋季上升速率最快,冬季最慢,出现小于1500 m、800 m和600 m能见度的天数均呈下降趋势;能见度月际变化特征十分明显,春季平均能见度最好,秋季和冬季较差,低能见度出现的天数以秋、冬季较多,春、夏季较少;日变化特征除夏季外,春、秋、冬季能见度都呈现双峰双谷型变化,能见度16时最佳,凌晨4时最差。     

江苏沿海高速公路低能见度浓雾的气候特征和影响因子研究

文章对2012年6月至2014年6月期间发生于江苏省沿海高速公路的浓雾过程(能见度0.5 km)进行统计分析,探讨了低能见度浓雾的气候特征、气象要素变化以及主要环流形势背景。研究结果表明:(1)低能见度浓雾月分布次数有显著差异,3-6月、12月至次年2月雾发生次数最高,春、冬季高于夏、秋季;03:00-05:00为低能见度生成的高峰时段,08:00左右为消散峰值时段。(2)能见度低于0.5 km后,如果相对湿度继续增大到97%左右、温度处于0~4℃、风速在0~2 m·s~(-1)、风向在ENE-SSE,能见度可能继续下降到0.2 km以下。(3)对150366个样本的环流背景统计分析表明,中北部路段的低能见度天气大多数是由锋前雾引起的,主要出现在中低层暖区域内,地面为冷锋前部弱气压场的环流条件下。全路段大面积低能见度天气由辐射雾和平流雾造成,辐射雾天气形势主要是高层为下沉气流,配合地面受弱高压或高压南下;平流雾出现在中低层暖性系统,地面位于入海高压后部或低压倒槽东侧,低层盛行偏东风或东南风。(4)"象鼻型"先期振荡现象适用于沿海高速公路低能见度预报过程,尤其对能见度稳定维持0.2 km以下的浓雾过程有很好的预警和监测作用。     

太原雾天能见度预报

利用中尺度数值预报模式MM5对山西省2009年发生的几场典型雾个例进行数值模拟。结果表明：模拟2 m温度比观测值偏低约2 ℃,相对湿度模拟结果比观测值偏大约15 %,10 m的模拟风速比观测的偏大0-2 m·s^-1。山西省雾的预报指标为20 m液态水含量大于等于0.13 g·kg^-1而小于0.60g·kg^-1、20-1500 m高度大气层存在逆温层、地面风速小于4 m·s^-1。利用太原测站日平均能见度、日平均相对湿度以及空气污染指数进行拟合建立太原能见度预报模型,并利用实测资料订正MM5、CAPPS模式预报误差,给出订正后的能见度预报方程并以两次实例对区域及太原雾天能见度预报表明该能见度预报模型有一定的适用性。     

CMA-GD模式江西省智能网格预报区域2 m气温预报误差分析

利用2020年6月1日—2022年5月31日CMA GD模式2 m气温预报产品（预报时效为13—36 h）和同期江西省智能网格预报区域内地面站气温观测资料,计算气温预报准确率、平均误差和均方根误差,并统计分析其时空分布特征。结果表明： 1）模式预报准确率在不同月份、起报时次存在差异,暖季总体较高,冷季总体较低;暖季08时起报产品的月准确率总体高于20时,冷季反之;秋、冬季旬准确率分布更离散。模式预报产品其准确率明显低于中央气象台和江西省气象台订正产品,需订正后使用。08时起报产品对寒潮的预报效果优于20时。2）气温预报年误差分布存在日变化,最大值出现在08时,最小值出现在15时;年均方根误差峰值出现在15时和06时,白天大于夜间。3）冬季平均误差多为正值,夏季为负值,春、秋季平均误差大小界于冬、夏季之间;白天时段夏季均方根误差最大,夜间时段冬季最大。4）气温预报年误差地理分布特征明显,平原地区预报值偏低,年均方根误差最小;丘陵和山区22 h时效预报值偏高,31 h时效偏低;高山站预报值偏高,年均方根误差最大。丘陵地区负误差最大,平原地区最小;山区正误差最大。     

沈阳地区大雾天气的UPS订正预报方法

选用2005-2009年沈阳地区5个气象站点的气象资料,总结了沈阳地区雾天的时空分布规律.沈阳地区一年中近一半的时间出现轻雾,大雾年平均16.4天;轻雾和大雾的季节分布都呈夏、秋季多,春季少的态势;大雾多发时段在清晨.在数值预报的基础上,利用UPS预报方法,进一步做出大雾天气订正预报,建立沈阳地区大雾天气UPS订正预报方法.当数值预报有大雾时,如T-Txover（最高气温出现时段温度露点差）≤5℃则可预报有大雾,当-4℃＜T-Txover≤5℃时可预报未来会出现能见度小于等于500 m的浓雾;如T-Txover≤-4℃则预报未来会出现能见度小于等于200m的强浓雾.如T-Txover＞5℃则有暖湿平流时预报有大雾,无暖湿平流时预报不会出现大雾.     

西咸高速公路低能见度特征及影响因子分析

利用西安咸阳国际机场高速公路（简称西咸高速公路）3个8要素气象监测站2013年8月至2019年12月逐小时资料、部分时段的逐分钟资料,对能见度＜1 000 m的低能见度（用v代表低能见度）统计分析,结果发现,造成西咸高速公路低能见度现象的主要天气为大雾、霾和强降水。霾造成的低能见度出现次数最多且时间最长,雾造成的低能见度对高速公路的通行状态影响最大;一日中,低能见度出现的概率凌晨最大,下午最小,其中50 m≤v＜200 m出现概率最高,是08时的186%;月平均低能见度时数在年内呈两高一低分布,1—4月、9—12月为高峰区,5—8为低谷区;3个监测站的年平均低能见度时数呈现由南向北依次增多的趋势。雾的影响因素主要是相对湿度和温度,当湿度达到一定饱和度后,近地面温度的连续降低对能见度的下降有一定的指示意义。在霾天气中,PM25质量浓度的高低对能见度有重要影响。强降水使能见度快速下降,当雨强大于13 mm/min时能见度可降至200 m以下,降水强度的预报对低能见度的预报预警有重要意义。     

华南低能见度天气特征及客观预报研究

利用2000—2016年华南219个县级气象观测站的地面、高空气象观测资料以及对应站点的再分析资料,统计发生低能见度天气的天气形势和特征,归纳低能见度天气的预报指标。将与能见度以及能见度变化相关的气象要素输入神经网络进行训练,利用EC集合预报数据集获得能见度集合预报结果,通过对其离散度的统计分析以及经验公式最终获得具有泛用性、可靠性的神经网络模型的参数集。通过输入EC确定场数据,获得华南219县级站长时效精细化能见度预报结果,2017年上半年的能见度预报试验显示,模型预报结果的误差与TS评分均优于CUACE模式能见度预报。     

概率密度匹配方法在我国近海海面10 m风速预报中的应用

海面风速对航运及海上生产作业影响重大,但数值模式对于海面的风速预报仍存在较大误差。为降低数值模式海面10 m风速预报的系统性误差,提高海上大风预报准确率,基于2017—2019年中国气象局地面气象观测资料对ECMWF确定性模式的10 m风场预报结果进行检验评估,并采用概率密度匹配方法对模式误差进行订正。分析结果表明,概率密度匹配方法可有效地改善数值模式10 m风速预报的系统性误差,订正后风速在各个预报时效和风速量级的平均误差均较订正前有所降低。对于大量级风速的预报,经概率密度匹配方法订正后的风速预报的漏报率可减少10%以上。订正后12 h预报时效的8、9级风速预报的平均绝对误差分别由4.15 m/s、5.61 m/s降低至3.12 m/s、4.08 m/s,120 h预报时效的8、9级风速预报的平均绝对误差由7.38 m/s、9.35 m/s减小至6.46 m/s、8.07 m/s。在冷空气、台风大风天气过程中,基于概率密度匹配方法订正后的风速与实况观测更接近,能够为我国近海洋面10 m风速的预报提供更准确的参考。      

华南区域模式在湖南省的2 m温度预报检验与订正研究

基于2019年8月至2020年7月华南区域模式（CMA-GD）预报和湖南97个国家站2m温度实况,开展了模式温度预报检验和逐步回归订正技术研究。结果表明,华南区域模式2m温度预报与实况变化趋势基本一致,预报偏差具有明显日变化,白天准确率下降、夜间升高,随着预报时效的延长,偏差增大;夏半年预报偏差大于冬半年;湘西预报效果优于湘东;00时起报的2m温度预报优于12时起报。基于华南区域模式预报产品,区分起报时次和季节的2m温度预报逐步回归订正预报效果较好,订正后预报相对于模式预报误差下降、准确率提高,有明显正技巧,对12时起报的模式预报效果改善更大,不同站点订正效果略有差异,对预报误差较大站点,订正效果明显。     

太原大气能见度影响因子分析及能见度预报

利用2017年1月—2019年12月太原地区逐时气象资料,分析了能见度及其主要影响因子的变化特征,并对两次低能见度过程进行深入分析,构建了能见度预报模型并进行检验,结果表明:(1)从空间分布看,太原北部能见度明显高于南部地区。从时间分布看,太原地区平均能见度最大值出现在5月,最小值出现在1月;日间最低值出现在06:00(北京时,下同),冬季略向后推移,最高值出现在15:00前后。(2)2017—2019年太原地区低能见度分别出现93、84、79 d;低能见度发生时,干霾、湿霾发生频率分别为59.27%、40.73%;湿霾发生时,能见度降低更加明显。(3)所选个例中,能见度均随各影响因子有所起伏,干霾、湿霾过程中能见度分别与颗粒物浓度、相对湿度变化一致。(4)采用神经网络方法构建太原地区能见度预报模型,预报模型相关系数为0.81,均方根为4.43 km,平均绝对误差为17.39%,轻微级能见度的TS评分为87%。神经网络方法对太原地区能见度预报具有较高的参考价值。     

江苏不同强度降雨对能见度影响分析

利用江苏70个基本站多年逐时雨量、相对湿度、风向、风速以及同时段内最低能见度等观测资料,分析不同强度降雨对能见度的影响,并对比分析两种不同强度降雨造成的低能见度事件统计特征。结果表明:降雨是除雾以外,江苏低能见度的主要影响天气(14. 7%),其中稳定性弱降雨和短时强降雨影响最大。与低能见度雾事件不同,降雨造成的低能见度事件全天各时段均可能出现,发生时可伴随较强的风速(2 m/s),短强低能见度多见风速4 m/s(26. 6%)。江苏冬春两季为雨雾高发季,主要受降雨持续时间影响,对应的低能见度区间为500~1 000 m,有明显日变化。短强低能见度主要受雨强影响,多发生于6—9月,对应的低能见度区间为小于200 m,无明显日变化。两种降雨产生的低能见度事件有明显的空间分布差异,且雨雾低能见度发生时偏北风占主导,短强低能见度发生时则偏东风占主导。     

北京急性脑血管疾病与气象要素的关系及预测

基于2006年1月至2010年12月北京市120急救中心的逐日脑血管急症接诊病例数据资料,首先探讨北京市急性脑血管疾病与气象要素的关系,选取不同季节的影响因子,然后根据概率积分方法将发病人数划分为4个级别,并采用人工神经元网络方法(artificial neural network,ANN)分别建立了北京市不同季节的急性脑血管疾病预测模型。研究结果表明:(1)急性脑血管疾病发病人数存在明显的季节性变化和日变化特征,冬春季发病人数高于夏、秋季,发病主要集中在早晨到中午的09—14时;(2)发病人数相对于气象要素存在明显的滞后效应,夏和冬秋季发病分别与高温高湿、冷空气活动有关;(3)脑血管疾病预测模型通过对新样本进行预报,除夏季外,完全准确率高于30%,预报误差≤±1级的准确率高于60%,研究成果对于预防急性脑血管疾病发病和调度120急救车辆等应急措施具有较好的科学参考价值。     

统计降尺度方法在天津小时降水和气温精细化预报中的应用

基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明:(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年"安比"台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。     

深圳市空气污染气象条件标准体系的研究

为建立适合深圳的空气污染气象条件标准,对目前开展的空气污染气象条件预报进行客观的检验,基于2011—2013年地面常规气象观测资料和风廓线雷达资料,对能见度和影响因子(降雨、地面风速和低空风速)进行了相关分析。根据不同气象条件对空气污染的不同影响,将空气污染气象条件分为1—6级,等级越高,越有利于空气污染,并由此建立了深圳市空气污染气象条件等级的计算方法和流程。计算结果与实况基本相符,平均基本准确率达到75.0%,其中1级和4级基本准确率分别达到83.3%、85.2%,业务运行良好。该方法对于小概率事件(如热带气旋外围环流影响)的计算能力较差,6级的基本正确率仅为52.7%。所以针对特殊的低能见度小概率事件需要进行进一步的研究。